| name | monitor-etf-holdings-drawdown-risk |
| description | 偵測「商品價格上漲、但對應實物 ETF/信託持倉卻下滑」的背離現象，並用多指標交叉驗證，評估是否存在實物供給緊張/交割壓力風險。 |
<essential_principles>
**背離訊號核心邏輯**
背離事件定義：
- 價格上漲：
price_return >= min_price_return_pct（如 +15%）
- 庫存下滑：
inventory_change <= -min_inventory_drawdown_pct（如 -10%）
- 同時發生：在相同視窗期（如 180 天）內同時滿足
當價格與庫存同向時（同漲同跌）為正常；逆向時（價漲庫跌）才需要警覺。
**雙重假設驗證**
不能直接把「庫存下降」解讀為「實物被搶」，需要交叉驗證：
| 假設 | 支持條件 | 反駁條件 |
|---|
| 實物緊張 | COMEX/LBMA 下降、backwardation、lease rates 上升、零售溢價擴大 | 其他庫存穩定、contango、溢價平穩 |
| 資金流/贖回 | ETF 流出但交易所庫存穩定、期貨結構不緊 | 多重庫存同步下降 |
輸出兩種解釋，讓用戶判斷哪個更符合當前數據。
**資料取得方式**
本 skill 優先使用：
- ETF 官網庫存：Selenium 模擬人類瀏覽器行為抓取（避免 API 限制）
- Yahoo Finance：
yfinance 套件取得現貨/期貨價格
- 交叉驗證：COMEX 庫存、期貨結構等公開數據
腳本位於 scripts/ 目錄，遵循 references/data-sources.md 的反偵測策略。
**壓力分數計算**
stress_score = 100 × min(1.0,
0.6 × divergence_severity + # 背離嚴重度
0.2 × decade_low_bonus + # 十年低點加成
0.2 × ratio_extreme_bonus # 比值極端加成
)
| 分數區間 | 解讀 |
|---|
| 0-30 | 正常，無明顯背離 |
| 30-60 | 輕度背離，值得關注 |
| 60-80 | 中度背離，建議深入驗證 |
| 80-100 | 重度背離，高度警戒 |
</essential_principles>
監控實物型 ETF（如 SLV、PSLV、GLD）的持倉與商品價格背離現象：
- 偵測背離：價格上漲但 ETF 庫存下滑
- 評估嚴重度：計算背離程度、十年低點、比值極端
- 交叉驗證：使用 COMEX、期貨結構、零售溢價等指標
- 產出洞察：提供兩種對立假設，避免單一敘事偏誤
輸出：背離狀態、壓力分數、交叉驗證結果、下一步檢查建議。
<quick_start>
最快的方式：檢查 SLV 背離狀態
cd skills/monitor-etf-holdings-drawdown-risk
pip install pandas numpy yfinance selenium webdriver-manager beautifulsoup4 matplotlib
python scripts/divergence_detector.py --etf SLV --quick
輸出範例：
{
"asof": "2026-01-20",
"divergence": false,
"price_return_window": 1.92,
"inventory_change_window": 0.15,
"inventory_decade_low": false,
"stress_score_0_100": 20.0,
"interpretations": ["Physical Tightness", "ETF Flow Hypothesis"]
}
完整分析 + 視覺化報告：
python scripts/divergence_detector.py \
--etf SLV \
--start 2010-01-01 \
--end 2026-01-20 \
--output result.json
python scripts/visualize_divergence.py \
--result result.json \
--output ../../../output/
輸出：
- JSON 分析結果：
result.json
- 視覺化報告：
output/SLV_divergence_report_20260120.png
- PDF 報告：
output/SLV_divergence_report_20260120.pdf
</quick_start>
需要進行什麼操作？
- 快速檢查 - 查看指定 ETF 目前的背離狀態與壓力分數
- 完整分析 - 執行完整的歷史背離分析
- 交叉驗證 - 使用多指標驗證背離訊號的真實性
- 監控模式 - 設定持續監控與背離警報
- 方法論學習 - 了解背離偵測與雙重假設邏輯
請選擇或直接提供分析參數（如 ETF 代碼）。
| Response | Action |
|---------------------------------|-----------------------------------------------|
| 1, "快速", "quick", "check" | 執行 `scripts/divergence_detector.py --quick` |
| 2, "分析", "analyze", "full" | 閱讀 `workflows/analyze.md` 並執行 |
| 3, "驗證", "validate", "cross" | 閱讀 `workflows/cross-validate.md` 並執行 |
| 4, "監控", "monitor", "alert" | 閱讀 `workflows/monitor.md` 並執行 |
| 5, "學習", "方法論", "why" | 閱讀 `references/methodology.md` |
| 提供 ETF 代碼 (如 SLV, GLD) | 閱讀 `workflows/analyze.md` 並使用參數執行 |
路由後，閱讀對應文件並執行。
<directory_structure>
monitor-etf-holdings-drawdown-risk/
├── SKILL.md # 本文件（路由器）
├── skill.yaml # 前端展示元數據
├── manifest.json # 技能元數據
├── workflows/
│ ├── analyze.md # 完整背離分析工作流
│ ├── monitor.md # 持續監控工作流
│ └── cross-validate.md # 交叉驗證工作流
├── references/
│ ├── data-sources.md # ETF 庫存與價格資料來源
│ ├── methodology.md # 背離偵測方法論
│ └── input-schema.md # 完整輸入參數定義
├── templates/
│ ├── output-json.md # JSON 輸出模板
│ └── output-markdown.md # Markdown 報告模板
└── scripts/
├── divergence_detector.py # 主偵測腳本
├── fetch_etf_holdings.py # ETF 庫存抓取（Selenium）
└── fetch_prices.py # 價格數據抓取
</directory_structure>
<reference_index>
方法論: references/methodology.md
資料來源: references/data-sources.md
- ETF 官網庫存抓取（Selenium）
- Yahoo Finance 價格數據
- 交叉驗證數據源（COMEX、LBMA）
輸入參數: references/input-schema.md
</reference_index>
<workflows_index>
| Workflow | Purpose | 使用時機 |
|---|
| analyze.md | 完整背離分析 | 需要完整歷史分析時 |
| monitor.md | 持續監控狀態 | 日常監控或警報 |
| cross-validate.md | 交叉驗證背離訊號 | 確認背離真實性時 |
| </workflows_index> | | |
<templates_index>
| Template | Purpose |
|---|
| output-json.md | JSON 輸出結構定義 |
| output-markdown.md | Markdown 報告模板 |
| </templates_index> | |
<scripts_index>
| Script | Command | Purpose |
|---|
| divergence_detector.py | --etf SLV --quick | 快速檢查背離狀態 |
| divergence_detector.py | --start DATE --end DATE --output FILE | 完整歷史分析 |
| visualize_divergence.py | --result result.json --output DIR | 生成視覺化報告 |
| fetch_etf_holdings.py | --etf SLV --output holdings.csv | 抓取 ETF 庫存 |
| fetch_prices.py | --symbol SI=F --output prices.csv | 抓取商品價格 |
| </scripts_index> | | |
<input_schema_summary>
核心參數
| 參數 | 類型 | 預設值 | 說明 |
|---|
| etf_ticker | string | (必填) | ETF/信託代碼（如 SLV） |
| commodity_price_symbol | string | (必填) | 商品價格代碼（如 XAGUSD） |
| start_date | string | 10Y 前 | 分析起始日 |
| end_date | string | today | 分析結束日 |
背離參數
| 參數 | 類型 | 預設值 | 說明 |
|---|
| divergence_window_days | int | 180 | 背離計算視窗（天） |
| decade_low_window_days | int | 3650 | 十年低點視窗（天） |
| min_price_return_pct | float | 0.15 | 價格上漲門檻 |
| min_inventory_drawdown_pct | float | 0.10 | 庫存下滑門檻 |
完整參數定義見 references/input-schema.md。
</input_schema_summary>
<output_schema_summary>
{
"skill": "monitor-etf-holdings-drawdown-risk",
"asof": "2026-01-16",
"inputs": {
"etf_ticker": "SLV",
"commodity_price_symbol": "XAGUSD"
},
"result": {
"divergence": true,
"price_return_window": 0.32,
"inventory_change_window": -0.18,
"inventory_decade_low": true,
"inventory_to_price_ratio_z": -2.4,
"stress_score_0_100": 78.5
},
"interpretations": [...],
"next_checks": [...]
}
完整輸出結構見 templates/output-json.md。
</output_schema_summary>
<success_criteria>
執行成功時應產出：
